论文证据评分

NAVIER-CFD 的证据层不会用论文引用次数、期刊声望或作者知名度替代 CFD 性能。每条证据均与具体论文、数据集、指标、基线、物理问题、维度、网格、几何、时间模式和保真度绑定。

证据记录

每条 EvidenceRecord 可包含：

• 模型标识；
• 论文题目、年份和来源；
• 基准数据集和案例；
• 指标名称、数值、单位与方向；
• 同一实验流程中的基线；
• 物理系统、维度、网格和几何模式；
• 稳态或时间预测设置；
• 代码与数据可用性；
• 实验次数、种子和案例数量；
• 证据等级和限制说明。

任务—证据相似度

证据转移考虑：

• 物理问题；
• 空间维度；
• 网格表示；
• 几何模式；
• 时间模式；
• 数值角色；
• 保真度。

相似度低的论文结果不会被直接当作目标任务性能。

指标效用

优先使用同一论文、同一数据处理和同一测试划分中的基线比较。对于误差类指标，越低越好；对于 \(R^2\)、相关性或速度提升，越高越好。

绝对 MSE、MAE 或 RMSE 在不同数据集、变量尺度和归一化方式之间通常不可直接比较。缺少可比基线时，系统保持中性先验，而不是制造跨数据集排行榜。

证据质量

质量权重可考虑：

• 独立复现或官方基准；
• 同行评审状态；
• 代码和数据公开程度；
• 基线是否真正可比；
• 多随机种子和多案例；
• 评价是否由独立测试集完成。

贝叶斯收缩

当某个模型只有一条弱证据时，其分数会向中性先验收缩。推荐器同时报告：

• 证据分数；
• 证据置信度；
• 指标覆盖度；
• 匹配记录数量；
• 支持和警告理由。

查看证据

navier evidence list
navier evidence list --model-id gino
navier evidence coverage

from navier_cfd import load_builtin_evidence

records = load_builtin_evidence()

解释原则

高分但低置信度的模型应被视为值得测试的候选，而不是已经被证明优于其他模型。